[发明专利]基于集体注意力流网络的在线学习课程分析方法

说明书

本发明公开了基于集体注意力流网络的在线学习课程分析方法，运用开放网络集体注意力流理论，利用点击流数据构建集体注意力流网络，结合流网络中的流距离度量，比较在线学习平台中不同课程、不同成绩类别学习者的差异，在此基础上构建注意力球模型，探求在线学习平台网络中异速生长律的适用性和可能存在的其他机制。和传统的学习分析方法相比，本发明运用了开放流网络的模型，模拟了在线学习系统的开放性，有效利用了网络结构中数据信息的分析价值，使人们进一步理解注意力如何在在线教育平台流动。本发明对于在线学习、社交平台的用户注意力与平台内容分析中都有极大的用处。

技术领域

本发明涉及系统科学领域，具体属于复杂网络领域，应用目标为研究分析在线学习中用户的点击学习行为，主要致力于发现集体注意力如何在在线教育平台丰富的知识中流动，试图寻找可能存在的规律或机制，具体涉及集体注意力流网络、流距离计算、注意力球构建以及注意力球中的异速生长律。

背景技术

互联网时代下，在线教育兴起。以慕课(大规模开放在线课程)为例的在线教育模式，为互联网学习者提供了大量开放的学习课程。尽管这种新型教育模式的出现能够为大众提供更多的学习资源，学习形式也更为开放、灵活，但正如诺贝尔经济学奖得主Simon所说，“信息的富足就会导致注意力的贫瘠”，在信息泛滥的在线教育平台中，学习者的注意力更显稀缺，如果不考虑注意力分配成本，在线教育平台的价值可能会大打折扣。通常情况下，由于其开放性和灵活性，在线教育被认为能够使学习者以多样的方式、更低的学习成本获取精英高校的优质教育资源，但这已遭到了教育研究者的质疑。为了研究在线教育课程设计者如何安排更好的在线教育课程形式，如何降低学习者的注意力成本以合理利用注意力从丰富的在线教育资源中有效学习，探索和理解集体注意力如何在在线教育平台丰富的知识中流动，是问题的关键。

学习分析技术的兴起，为理解在线教育中大规模的人类集体行为提供了可能。以往的学习分析研究利用各种技术来理解点击流数据，例如通过聚类算法对学习者进行分类，使用对数序列分析来预测学习者表现等。这些对点击流的研究往往将点击流数据视为一个有关人类行为的大型数据库，将其输入到复杂算法中，用于对学习者聚类或者预测未来，轻概念而过度方法化，远远低估了点击流数据的价值。有学者提出用生态系统的观点来探索在线教育，从开放和平衡的系统视角来解释学习者在在线教育中的高退学率和不平等的参与模式。这种观点考虑了在在线学习中表现良好或不佳的学习者以及辍学者，强调了在集体层面上表征学习行为动态的重要性。

注意力对人类的重要性不言而喻，许多领域和学科中都对注意力有大量研究。早期对注意力心理学的研究主要集中在个体或小群体层面的人类知觉和认知加工上，多年来已经逐渐过度到了认知、社会和文化的角度。此外，也有模拟注意力的心理学研究。在神经科学领域，对人体神经区域的研究使得有关注意力如何调节人脑中信息处理的争论持续了几十年，例如早期的瓶颈模型和衰减模型。经过这场学术争论，学者们普遍形成了注意力的容量是有限的以及选择性概念的认识。在给定时间内，人们能够处理的刺激是有限的，因此我们会选择性地参与环境中与当前处理事件相关的刺激，而忽略其他无关的刺激。也就是说，注意力有限的容量使得选择成为必要。

正如Simon所言，信息丰富的时代中，“大量的信息造成了注意力的匮乏，人们需要有效地分配注意力以免其被过多的信息消耗”。这一观点使得研究者对注意力在神经网络中的选择性机制的关注，转移到了如何在信息丰富的世界里分配有限的注意力上。互联网作为现代人日益依赖的新型空间，传统的经济学理论已不再适用。Goldhaber认为，“最重要的东西，就是现在最缺乏的东西”，他提出了“注意力经济”的概念，以便能够重新定义和解释财富、阶级划分和资产等工业经济学的概念。在此基础上，有学者将注意力视为稀缺资源，并探索了如何在信息丰富的世界中有效地分配注意力，进一步巩固了Goldhaber的观点。至此，注意力经济学作为一种用于重新定义经济学领域的竞争和平衡结构的概念模型，已经被学者广泛接受。随后，为了进一步规范化地解释互联网用户分配注意力的机制，“意愿经济”的概念被提出。